Traitement de contrôle déséquilibréJ'ai 4 N Rates (0, 140, 168, 224) et trois sources N (CRU-60, CRU-75, U)
Le contrôle ou le taux 0 N n’a aucune source attachée car aucun engrais n’est appliqué
Lorsque j'exécute les effets principaux et d'interaction, le contrôle n'est pas analysé. De plus, lorsque je regarde mon anova, dois-je m'attendre à voir un modèle avec un df de 9 (taux 3 N*source 3 N + contrôle) ? Si c'est le cas, je ne comprends pas. J'ai téléchargé un exemple de la façon dont j'ai configuré les données. Je ne sais pas quoi mettre sous la colonne source N pour un taux 0 N. Ma variable de réponse est SorTC. En fin de compte, j'aimerais effectuer une analyse tukey où le contrôle peut être évalué par rapport aux traitements fertilisés. S'il vous plaît, des conseils. Merci!
Ingénierie Qualité et ProcédésRe : Traitement de contrôle déséquilibréOk merci pour les infos !
Je ne sais pas ce que vous entendez par « correct », mais en regardant votre modèle standard des moindres carrés, il semble que votre modèle ne soit pas significatif (et les principaux effets et interactions non plus, bien au-dessus du seuil de signification commun de 0,05).
Seulement 34 % de la variabilité des données est expliquée par ce modèle, ce qui est assez faible.
En regardant les valeurs des différentes combinaisons (et les tests que j'ai déjà effectués dans une analyse bivariée), vous n'aurez peut-être pas d'effets significatifs pour vos paramètres de source et de taux N.
Puisque vous n'avez pas assez de DF, vous pouvez essayer de relancer l'analyse par étapes, ou simplement sans interaction (en regardant d'abord les principaux effets).
Mais encore une fois, il n’y a pas de tendance claire sur cet ensemble de données de test, donc je pense clairement soit qu’il n’y a pas suffisamment de données pour détecter cette petite taille d’effet, soit qu’il n’y a tout simplement aucun effet significatif.
Grâce aux différents rapports statistiques et à votre expertise du domaine, vous pourrez comprendre et décider de la marche à suivre.
Re : Traitement de contrôle déséquilibréMerci pour votre réponse! J'utilise Ajuster le modèle pour détecter les principaux effets et interactions entre le taux N et la source N et j'utilise les moindres carrés standard de personnalité. J'ai exécuté l'analyse sans le bloc pour l'instant juste pour voir l'ANOVA pour le principal et l'interaction, qui semble correcte pour le modèle DF qui est 9 (le pdf est joint). J'ai exécuté Tukey pour tous les effets principaux et interactions afin de montrer que les comparaisons que je recherche sont affichées pour chaque effet, ce qui est génial. Le seul problème est que les degrés de liberté sont perdus pour le taux N et la source et que l'analyse ne fonctionne donc pas. J'aime la façon dont, dans votre analyse à sens unique, vous avez considéré l'acte de contrôle comme effet source. Comment puis-je faire en sorte que le contrôle agisse comme un effet de source et de taux dans mon modèle lorsque j'utilise Ajuster le modèle ? Si possible, veuillez donner des conseils. Merci!
Re : Traitement de contrôle déséquilibréBonjour @MANOVALogKoala1 ,
Pourriez-vous s'il vous plaît décrire quelle plateforme utilisez-vous (je suppose "Fit Model" pour détecter les principaux effets et interactions, et "Fit Y by X" pour l'ANOVA ?) ? Il peut également être plus judicieux d'ajouter "0" dans votre source de contrôle, afin que votre groupe de contrôle ne soit pas considéré comme "valeur manquante" (et vous empêche de regarder les résultats des contrôles dans les différentes plateformes).
- Pour la plateforme "Fit Model" je n'ai pas assez d'informations sur les options de modélisation que vous avez choisies, mais un bon début serait de tester si votre effet de bloc est significatif ou non grâce à la personnalité "Mixed Model". Vous pouvez ajouter une propriété de colonne dans votre "Colonne de bloc" en ajoutant le "Rôle de conception" : blocage et en changeant le type de données de numérique continu à numérique nominal. Ensuite, vous listez votre effet : N rate, N source et N rate x N source, et vous ajoutez votre colonne "Block" comme "Random Effect".
Lorsque vous lancez l'analyse, vous devriez avoir cet écran (voir image Mixed_model_test). En regardant la valeur p de Wald, votre paramètre de blocage ne semble pas significatif, il peut donc être supprimé lors d'une analyse plus approfondie (par exemple en relançant la plateforme "Fit Model" avec une personnalité différente, comme les moindres carrés standard (JMP) ou la régression généralisée. (JMP Pro) avec la distribution de réponse correcte dans l'option "Distribution" (dans vos données de test, la distribution de réponse ressemble à la distribution de Weibull).
- Pour la plateforme "Fit Y by X" (ANOVA), vous avez le choix en fonction de votre objectif :
- Si votre objectif est de comparer l'effet de la source par rapport à une source témoin 0, alors vous pouvez choisir le test de Dunnett, qui comparera uniquement chaque source candidate avec le groupe témoin 0. Il ne fera pas de comparaisons entre les sources candidates.
- Si votre objectif est de comparer chaque effet source en fonction de la réponse, alors Tukey peut être approprié (voir image).
Soyez prudent dans votre analyse avec "Fit Y by X", car les tests Tukey ou Dunnett sont des tests paramétriques, vous devez donc vérifier trois hypothèses dans vos données : indépendance des observations, normalité (ou proche de la normalité) et variances égales. Ici, en regardant les données de test, des variances égales peuvent ne pas être respectées (cela peut être dû à de faibles tailles d'échantillons), et vous n'avez qu'une normalité approximative lorsque vous regardez le diagramme quantile normal. Pour avoir plus de confiance dans vos tests statistiques, je vous recommande d'utiliser des tests non paramétriques : Steel with Control (équivalent non paramétrique à Dunnett) ou Steel-Dwass, All Pairs (équivalent non paramétrique au test Tukey).
J'espère que ça t'aidera,
